Segmentation markovienne floue d'images. Application en détection de changements entre images radar

Fuzzy markovian image segmentation. Application to change detection on SAR images

• Auteur / Autrice : Cyril Carincotte
• Direction : Salah Bourennane, Stéphane Derrode
• Type : Thèse de doctorat
• Discipline(s) : Optique, image et signal
• Date : Soutenance en 2005
• Etablissement(s) : Aix-Marseille 3

Mots clés

Mots clés contrôlés

Images de télédétection

Markov, Processus de

Traitement d'images -- Techniques numériques

Résumé

Cette thèse est consacrée à la segmentation non supervisée d'images de télédétection et la détection de changements entre images radar. Nous présentons tout d'abord un modèle de chaînes de Markov cachées d'ordre supérieur qui permet de modéliser des structures de bruit complexes comme des bruits corrélés. Afin de prendre en compte certaines caractéristiques floues des images de télédétection, nous proposons ensuite un modèle de chaînes de Markov cachées floues qui tient compte de façon conjointe des caractéristiques de bruit et de flou des observations. Cette modélisation autorise la coexistence de pixels durs et flous dans une même image, et permet de caractériser des dégradés bruités situés de part et d'autre de zones plus homogènes. Nous présentons finalement une méthodologie de détection de changements basée sur ce modèle, qui permet de caractériser l'imprécision associée aux changements survenus entre deux acquisitions radar.

This thesis is devoted to unsupervised remote sensing image segmentation and change detection on SAR images. We first present a higher order hidden Markov chains model which allows to model complex noise structures, like correlated noises. In order to take into account several fuzzy characteristics of remote sensing images, we propose a fuzzy hidden Markov chains model, which jointly takes in account the fuzzy and noisy characteristics of the observations. This model authorizes the coexistence of hard and fuzzy pixels in the same image, and allows to characterize noisy gradation located on both sides of more homogeneous areas. We finally propose a methodology of change detection based on the fuzzy model, which allows to characterize the imprecision associated to the changes between two SAR images.